Ilustra como a distribuição amostral da média se aproxima da normalidade à medida que o tamanho da amostra aumenta.
Passe pelas entradas com cuidado e depois compare os resultados em vez de confiar em apenas um cenário.
Média Populacional (μ), Desvio Padrão Populacional (σ), Tamanho da Amostra (n) → Z-score (para um valor específico - não calculado aqui, isso é para compreensão conceitual), Média da Distribuição Amostral, Erro Padrão da Média
Use estes exemplos para verificar o comportamento da calculadora antes de inserir seus próprios valores.
Média Populacional (μ): 50; Desvio Padrão Populacional (σ): 5; Tamanho da Amostra (n): 10
Z-score (para um valor específico - não calculado aqui, isso é para compreensão conceitual): 0; Média da Distribuição Amostral: 50; Erro Padrão da Média: 1,58113883
Média Populacional (μ): 50; Desvio Padrão Populacional (σ): 5; Tamanho da Amostra (n): 100
Z-score (para um valor específico - não calculado aqui, isso é para compreensão conceitual): 0; Média da Distribuição Amostral: 50; Erro Padrão da Média: 0,5
Média Populacional (μ): 50; Desvio Padrão Populacional (σ): 20; Tamanho da Amostra (n): 10
Z-score (para um valor específico - não calculado aqui, isso é para compreensão conceitual): 0; Média da Distribuição Amostral: 50; Erro Padrão da Média: 6,32455532
Utilize calculadoras para álgebra, geometria, trigonometria, probabilidade, estatística, médias, scores z, testes e tarefas de graficos.
Estes links foram escolhidos para aprofundar a sessão e responder à próxima pergunta provável sem mandar o usuário de volta à busca.
Calcula a estatística Qui-Quadrado e o valor p para a adequação do ajuste ou teste de independência. Requer frequências ou valores observados e esperados.
Calcula o estatístico t, usado em testes de hipóteses quando o desvio padrão da população é desconhecido. Esta calculadora ajuda a determinar se a diferença entre a média amostral e a média populacional é estatisticamente significativa.
Avalia o desempenho de um modelo de classificação usando métricas derivadas de uma matriz de confusão, incluindo acurácia, precisão, recall e especificidade.
Calcula probabilidades para uma distribuição uniforme contínua, onde todos os resultados dentro de um intervalo são igualmente prováveis.